這是我下載的 HTML 文件的鏈接https://drive.google.com/open?id=1z7A9U0qZSVtLMQDbsVtPyZVz9Zm73-ZQ從這個文件最后你可以看到一些這樣的數(shù)據(jù)<div data-react-class="packs/v9/phone/containers/AreaCodeListing" data-react-props="{"areaCodes":[{"phone_prefix":"(202) 200","details":["Sprint"],"location":"Washington, DC","href":"/202-200"},{"phone_prefix":"(202) 201","details":["Verizon"],"location":"Washington, DC","href":"/202-201"},{"phone_prefix":"(202) 202","details":["General Service Carrier"],"location":"Washington, DC","href":"/202-202"},{"phone_prefix":"(202) 203","details":["T-Mobile"],"location":"Washington, DC","href":"/202-203"},{"phone_prefix":"(202) 204","details":["XO Communications"],"location":"Washington, DC","href":"/202-204"}我如何從這個頁面提取href值？我認為JSON可以完成這項工作，但我被困在如何達到那個點以獲得那個 json或者有沒有其他最好的方法從我下載的這個 HTML 頁面中獲取href值？
3 回答
泛舟湖上清波郎朗
TA貢獻1818條經(jīng)驗 獲得超3個贊
第一種方法
如果您想要 AreaCode 的整個對象，請先嘗試方法。
public List<AreaCode> GetAllAreaCodes(string htmlString)
{
List<AreaCode> areraCodes = new List<AreaCode>();
Regex rgxAttr = new Regex(@"data-react-props=""{(.*?)}""");
Regex rgxValue = new Regex(@"""{(.*?)}""");
var attrResult = rgxAttr.Matches(htmlString);
List<string> attrValues = new List<string>();
foreach (Match match in attrResult)
{
var val = rgxValue.Match(match.Value);
attrValues.Add(val.Value.Replace("\"{", "{").Replace("}\"", "}"));
}
foreach (var item in attrValues)
{
JavaScriptSerializer js = new JavaScriptSerializer();
var dn = js.Deserialize<dynamic>(item) as Dictionary<string, object>;
if (dn != null && dn.ContainsKey("areaCodes"))
{
var abc = item.Remove(item.Length - 1, 1).Remove(0, 1).Replace(@"""areaCodes"":", "");
areraCodes = js.Deserialize<List<AreaCode>>(abc);
}
}
return areraCodes;
}
public class AreaCode
{
public string phone_prefix { get; set; }
public string location { get; set; }
public string href { get; set; }
public string[] details { get; set; }
}
第二種方法
如果您只需要 href 值，則使用第二種方法。
public List<string> GetAllHref(string htmlString)
{
List<string> hrefList = new List<string>();
Regex rgxAttr = new Regex(@"data-react-props=""{(.*?)}""");
Regex rgxValue = new Regex(@"""{(.*?)}""");
var attrResult = rgxAttr.Matches(htmlString);
List<string> attrValues = new List<string>();
foreach (Match match in attrResult)
{
var val = rgxValue.Match(match.Value);
attrValues.Add(val.Value.Replace("\"{", "{").Replace("}\"", "}"));
}
dynamic ob = null;
foreach (var item in attrValues)
{
JavaScriptSerializer js = new JavaScriptSerializer();
var dn = js.Deserialize<dynamic>(item) as Dictionary<string, object>;
if (dn != null && dn.ContainsKey("areaCodes"))
ob = dn["areaCodes"];
}
var s = ob as Array;
foreach (Dictionary<string, object> item in s)
hrefList.Add(item["href"].ToString());
return hrefList;
}
30秒到達戰(zhàn)場
TA貢獻1828條經(jīng)驗 獲得超6個贊
您下載的文件不是有效的 HTML，因為它是 React 視圖。因此，HTMLAgilityPack 之類的工具對您的幫助不大。
您可以嘗試使用諸如WebKit.NET 之類的無頭瀏覽器，看看您是否有運氣。在構(gòu)建最終 HTML 的過程中，您可能可以在某處插入。
除此之外，我能想到的唯一選擇是使用正則表達式從文件中獲取所需的數(shù)據(jù)。例如：
var regex = new Regex(@"(?<=data-react-props=""){.*}(?=<)");
var match = regex.Match(pageContents);
if (match.Success)
{
foreach (var gr in match.Groups)
{
Console.WriteLine(gr);
}
}
- 3 回答
- 0 關(guān)注
- 127 瀏覽
添加回答
舉報
0/150
提交
取消